Szczegóły możliwości

Digital human

Zunifikowana platforma do zarządzania i obsługi digital humans w obiektach i showroomach: wiele awatarów, języków i kanałów publikacji.

01 / Decyzje technologiczne

Trzy kompromisy, których nie da się uniknąć

Każdy ma swoją cenę; oto, którą stronę wybraliśmy i dlaczego.

2D czy 3D: czy wygląda dobrze, czy dobrze się porusza

Typowe podejścieModelowanie 3D nastawione na wysoką wierność

AlternatywaAwatar 2D z prawdziwą osobą, nastawiony na naturalne dopasowanie ruchu ust

Nasze podejście2D jako domyślne (narracja), 3D jako uzupełnienie (interakcja)

Modelowanie i animacja 3D są kosztowne, a na dużym ekranie w hali im bardziej realistycznie, tym łatwiej wpaść w dolinę niesamowitości. Awatar 2D z prawdziwą osobą wystarcza do komunikacji jednokierunkowej, takiej jak narracja i komunikaty, przy koszcie o rząd wielkości niższym. 3D ma sens tylko wtedy, gdy użytkownicy potrzebują oglądać z dowolnego kąta lub gdy wymagany jest ruch ciała.

Skąd pochodzi głos: TTS czy nagranie lektora

Typowe podejścieWszystko syntezowane przez TTS

AlternatywaWszystko nagrane z prawdziwymi lektorami

Nasze podejścieTreści stałe nagrywane przez lektorów, treści zmienne przez TTS

TTS odczyta każdy tekst, ale w długich zdaniach ginie naturalna emocja i pauzy. Stała narracja w hali (komunikaty powitalne, opisy eksponatów) lepiej brzmi nagrana prawdziwym głosem — dobrze się prezentuje i pozostaje stabilna; dane dynamiczne (dzisiejsza liczba zwiedzających, aktualne liczby) lepiej obsługuje TTS.

Gdzie wdrożyć: chmura czy infrastruktura lokalna

Typowe podejścieRenderowanie w chmurze, klient tylko odtwarza strumień

AlternatywaRenderowanie lokalne, pełne wdrożenie na urządzeniach na miejscu

Nasze podejścieNarracja On-Premise, obciążenia wymagające renderowania w chmurze

Renderowanie w chmurze oszczędza lokalną moc obliczeniową, ale bez sieci przestaje działać — a największym koszmarem hali jest brak połączenia na miejscu. Dlatego cyfrowi ludzie typu narracyjnego muszą działać lokalnie; jedynie scenariusze wymagające precyzyjnego sterowania w czasie rzeczywistym powinny rozważać chmurę.

02 / Porównanie opcji

Jeden problem, trzy podejścia

Nie ma rozwiązania optymalnego — są tylko rozwiązania dopasowane do scenariusza.

Rozwiązanie	Realizm	Koszt	Działa offline	Najlepsze zastosowanie
Awatar 2D z rzeczywistą osobą + TTS	Średnio-wysoki	Niski	Tak	Narracja w showroomie, komunikaty, zwiedzanie z przewodnikiem
Awatar 2D z rzeczywistą osobą + nagrany głos	Wysoki	Średni	Tak	Stałe skrypty narracyjne, filmy promocyjne
Wirtualny awatar 3D + sterowanie w czasie rzeczywistym	Wysoki (ale podatny na efekt doliny niesamowitości)	Wysoki	Zależy od rozwiązania	Interaktywne Q&A, doświadczenie grywalizacyjne

W scenariuszach showroomowych „działa bez sieci" jest priorytetem — to twarde ograniczenie.

Co robimy

Biblioteka awatarów · Persona i głos · Baza wiedzy
Tworzenie skryptowych punktów mówionych
Wielojęzyczność · publikacja wielokanałowa
Dane operacyjne i śledzenie efektów

Omów wymagania

Format dostawy

Model wdrożeniaOn-Premise / chmura prywatna / intranet

Zakres dostawySystem + dokumentacja + szkolenie

Wsparcie utrzymanioweZdalne + na miejscu

Dostawa kodu źródłowegoDo negocjacji

Powiązane realizacje

Sprawdzone systemy

Nazwy klientów są anonimizowane zgodnie z wymogami poufności.

Przestrzenie publiczne / interakcja multimedialna

Placówka popularyzacji nauki w regionie administracyjnym specjalnym

Kontekst: Publiczna placówka naukowa potrzebująca interaktywnych treści obejmujących zagadnienia żywności, pogody, profilaktyki epidemicznej, szkoły i ruchu drogowego.
Rozwiązanie: Kilka dedykowanych systemów interaktywnych: bezpieczeństwo żywności, piaskownica bezpieczeństwa przeciwburzowego, piaskownica bezpieczeństwa szkolnego, profilaktyka chorób zakaźnych, bezpieczeństwo w autobusie szkolnym.
Technologia: Interakcja dotykowa · projekcja piaskownicy · sceny 3D · backend sterowania centralnego · zbieranie danych
Rezultaty: Spójne wdrożenie systemów interaktywnych w ramach wszystkich tematów, scentralizowane zarządzanie w jednym backendzie sterowania oraz dane operacyjne dostępne w formie eksportu.

Port / Agent + sieć konsorcjalna + aplikacja

Duży port kontenerowy · Centrum szkoleń z zakresu bezpieczeństwa

Kontekst: Port kontenerowy należący do czołówki w Chinach pod względem rocznego przeładunku. Dotychczasowe szkolenia miały głównie formę wykładów i nie obejmowały praktycznych ćwiczeń z operacji wysokiego ryzyka.
Rozwiązanie: Kompleksowe centrum szkoleń z bezpieczeństwa + platforma szkoleniowo-egzaminacyjna + nauka mobilna. 7 systemów egzaminacyjnych, 9 modułów oprogramowania, 3-węzłowa sieć konsorcjalna.
Technologia: Sieć konsorcjalna FISCO BCOS (PBFT) · zapis wyników w łańcuchu przez SHA-256 · backend node.js · klient Android · interakcja z modelami 3D
Rezultaty: Rejestry szkoleń weryfikowalne w łańcuchu i odporne na manipulację wyniki; obejmuje 55 kategorii sprzętu i 66 pozycji ewidencji sprzętu.

Zobacz wszystkie studia przypadków

03 / Ścieżka wdrożenia

Ile kroków dzieli zero od uruchomienia

Kolejności nie można odwrócić: rozpoczęcie od operacji zapisu lub wieloetapowej orkiestracji sprawia, że błędy są bardzo trudne do prześledzenia.

Zdefiniuj scenariusze i głębokość interakcji

Czy to narracja jednokierunkowa, czy dwukierunkowe pytania i odpowiedzi? W przypadku narracji wystarczy 2D i nagrane audio; pytania i odpowiedzi wymagają bazy wiedzy i rozpoznawania mowy.

Nagraj wygląd i głos

2D wymaga nagrania prawdziwej osoby (wiele kątów, wiele wyrazów twarzy); głos nagraj na podstawie skryptu narracji, zwracając uwagę na tempo i pauzy.

Podłącz rig i synchronizację ust

Przekształć tekst w sekwencję fonemów ze znacznikami czasu, która steruje synchronizacją ust i mimiką. Precyzja tego kroku decyduje o tym, czy postać „wygląda, jakby mówiła”.

Podłącz ściany wideo i sterowanie centralne

Cyfrowi ludzie zwykle działają w ramach sterowania centralnego showroomu, więc muszą być z niego wybudzane, przełączane i zatrzymywane. Zdefiniuj interfejsy z góry; zmiany później są bolesne.

Testy integracyjne na miejscu

Oświetlenie, hałas i warunki sieciowe w showroomie wpływają na rezultat. Mikrofony i głośność trzeba dostroić na miejscu; nie można ich dostroić w biurze i tak dostarczyć.

04 / Kluczowe wskaźniki

Weryfikowalne liczby

Bez przymiotników; podaj specyfikacje.

Błąd synchronizacji ust< 80ms　Praktycznie niewidoczny dla oka

Pierwsza odpowiedź1–2 sekundy　Obejmuje rozpoznawanie mowy i wyszukiwanie

Typ awatara2D rzeczywista osoba / 3D wirtualny　Wybór według scenariusza

Działa offlineTak　Wdrożenie on-premise dla obciążeń narracyjnych

05 / FAQ

Najczęstsze pytania od liderów technicznych

To pytania, które naprawdę nam zadano — odpowiedzi bez marketingowego lakieru.

Czy cyfrowy człowiek może całkowicie zastąpić ludzkiego przewodnika?

Stała narracja — tak; złożone pytania i odpowiedzi to jeszcze nie ten poziom. Obecna rola to przejęcie powtarzalnych objaśnień i odciążenie przewodnika w obszarach wymagających człowieka.

Czy awatara można dostosować do konkretnej wybranej przez nas osoby?

Tak, ale wymaga to zgody tej osoby i nagranego materiału. W przypadku wizerunku rzeczywistych osób należy pamiętać o prawach do wizerunku i uzgodnić zakres wykorzystania.

Jak wygląda obsługa wielu języków?

Tak — chiński, angielski, japoński, koreański i inne, z ruchem ust sterowanym odrębnie dla każdego języka. Jakość dla mniej popularnych języków zależy od biblioteki fonemów danego języka.

Czy potrzebne są dedykowane GPU?

Do rozwiązania 2D wystarczy zwykły komputer przemysłowy; do sterowania 3D w czasie rzeczywistym potrzebna jest dedykowana karta graficzna. Dokładna konfiguracja zależy od wymaganej jakości renderowania i liczby klatek na sekundę.

Czy późniejsza zmiana narracji jest trudna?

W częściach TTS wystarczy edycja tekstu w panelu administracyjnym; nagrane fragmenty trzeba nagrać ponownie. Dlatego zalecamy: nagrywać stałe treści, a do zmiennych używać TTS.